CN110795307A - 开关柜的部件状态监测方法 - Google Patents

开关柜的部件状态监测方法 Download PDF

Info

Publication number
CN110795307A
CN110795307A CN201910992493.4A CN201910992493A CN110795307A CN 110795307 A CN110795307 A CN 110795307A CN 201910992493 A CN201910992493 A CN 201910992493A CN 110795307 A CN110795307 A CN 110795307A
Authority
CN
China
Prior art keywords
image
state
switch cabinet
component
image acquisition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910992493.4A
Other languages
English (en)
Inventor
张明达
王海斌
胡盛
李文达
王思谨
吕峰
裘哲峰
刘晓岑
王周宏
左红群
邬亦峰
刘文俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Ningbo Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN201910992493.4A priority Critical patent/CN110795307A/zh
Publication of CN110795307A publication Critical patent/CN110795307A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及电力系统领域，尤其涉及开关柜的部件状态监测方法，包括：通过多个图像采集模块分别获取开关柜内的实时图像；利用图像增强算法，凸显图像中的部件边缘并去除多余的背景；根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态；若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动；利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态。本发明实现开关柜内图像的全方位获取，去除多余的背景减少状态判断的干扰，同时减少了计算量，提高了判断速度，得到清晰的图像减少最终状态判断的干扰，最终实现监测部件的状态。

Description

开关柜的部件状态监测方法
技术领域
本发明涉及电力系统领域，尤其涉及开关柜的部件状态监测方法。
背景技术
开关柜是将高压开关和控制、测量、调节、保护装置以及外壳、辅件及支持件等部件按照输配电功能需要组装起来，除进出线外，其余部件完全被金属外壳封闭的开关设备，它承担着开断和关合电力线路、线路故障保护、监测运行电量数据等重要作用。但由于开关柜的设备布置在开关室、母线室、出线室三个相互独立的隔离室内，按有关的规程要求，除实现电气连接、控制、通风等功能而必须在隔离板开孔外，所有隔离室必须呈封闭状态。目前对开关柜机械故障隐患尚无可靠的监测手段，设备运维人员往往通过柜门观察窗直接观察隔离开关、接地开关分合闸位置状况，以避免传动系统故障、分合闸指示装置指示异常的情况。但是，由于开关柜结构紧凑，观察窗面积小，开关柜内部采光不良，该方法在视线受阻或光线投射不佳的情况下无法确认隔离开关位置状态。并且，柜体开窗会影响开关柜柜体防护等级。
发明内容
为解决上述问题，本发明提出开关柜的部件状态监测方法。
开关柜的部件状态监测方法，包括以下步骤：
通过多个图像采集模块分别获取开关柜内的实时图像；
利用图像增强算法，凸显图像中的部件边缘并去除多余的背景；
根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态；
若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动；
利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态。
优选的，所述通过多个图像采集模块分别获取开关柜内的实时图像包括：
通过光照强度检测模块检测开关柜内的光照强度；
当光照强度低于设定阈值时，打开补光模块对图像的获取进行补光。
优选的，所述根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态包括：
假设xk和xk+1分别为目标场景在时间点k和k+1时的两帧图像，则该两帧图像的差分图像为：Δxk＝xk+1-xk；
若Δxk大于设定阈值，则判断图像采集模块处于运动状态；
若Δxk小于等于设定阈值，则判断图像采集模块处于停止状态。
优选的，所述提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动包括：
采用SURF算法从图像中提取不稳定的特征点；
利用Delaunay三角剖分算法判断特征点的邻接性，生成特征点运动轨迹；
采用Kakman滤波器对特征点运动轨迹进行滤波处理得到平滑的特征点轨迹；
由平滑的特征点轨迹估算出需要补偿的全局运动矢量，根据全局运动矢量以平滑图像采集模块造成的图像抖动。
优选的，所述由平滑的特征点轨迹估算出需要补偿的全局运动矢量包括：
建立仿射模型：
Figure BDA0002238705880000031
其中，m1、m2、m3、m4、Tx、Ty表示仿射变换的参数，
Figure BDA0002238705880000032
表示第i个特征点轨迹中的第k个特征点；
Figure BDA0002238705880000033
表示平滑后的第i个特征点轨迹中的第k个特征点的输出；
获取三个特征点导入仿射模型，求出仿射变换的参数，从而得到需要补充的全局运动矢量。
优选的，所述利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态包括：
以开关柜中各部件不同状态的图像作为模板；
获取感兴趣区域中各部件的图像；
将各部件的图像与模板进行匹配，从而确定该部件的状态。
优选的，在所述通过多个图像采集模块分别获取开关柜内的实时图像之后，还包括步骤：
采用多线程异步通信方式，各图像采集模块将获取的图像上传到服务端，服务端每获取一帧图像，将图像存储到线程池。
本发明的有益效果：
1.通过多个图像采集模块分别获取开关柜内的实时图像，以实现开关柜内图像的全方位获取；
2.利用图像增强算法，凸显图像中的部件边缘并去除多余的背景，去除多余的背景减少最终状态判断的干扰，同时减少了计算量，提高了判断速度；
3.根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态，若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动，得到清晰的图像减少最终状态判断的干扰；
4.利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法最终实现监测部件的状态。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明一实施例一种开关柜的部件状态监测方法的流程图；
图2是本发明一实施例一种开关柜的部件状态监测方法中步骤S1的流程图；
图3是本发明一实施例一种开关柜的部件状态监测方法中步骤S3的流程图；
图4是本发明一实施例一种开关柜的部件状态监测方法中步骤S4的流程图；
图5是本发明一实施例一种开关柜的部件状态监测方法中步骤S44的流程图；
图6是本发明一实施例一种开关柜的部件状态监测方法中步骤S5的流程图。
具体实施方式
以下结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
本发明的基本思想是通过多个图像采集模块分别获取开关柜内的实时图像，利用图像增强算法，凸显图像中的部件边缘并去除多余的背景，根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态，若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动，利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态。
基于上述思想，本发明一实施例提出一种开关柜的部件状态监测方法，如图1所示，包括以下步骤：
S1：通过多个图像采集模块分别获取开关柜内的实时图像；
S2：利用图像增强算法，凸显图像中的部件边缘并去除多余的背景；
S3：根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态；
S4：若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动；
S5：利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态。
在本实施例中，在开关柜内安装不同角度拍摄的图像采集模块，用于实现对开关柜全方位的监测。由于开关柜结构紧凑，观察窗面积小，开关柜内部采光不良，因此需要采用弱光照条件下的图像的增强方法，使得在光线昏暗的情况下也能获取足够清晰的开关柜内部图像。具体的，如图2所示，包括以下步骤：
S11：通过光照强度检测模块检测开关柜内的光照强度；
S12：当光照强度低于设定阈值时，打开补光模块对图像的获取进行补光。
光照强度检测模块对开关柜内的光照强度进行检测，若检测到的光照强度低于设定阈值，则说明此时的开关柜内的光线较暗，不适合常规拍摄。因此控制补光模块打开，这里的补光模块可以是图像采集模块的闪光灯，图像采集模块在拍摄的时候打开闪光灯，从而获取清晰的开关柜的内部图像。
考虑到图像采集模块在获取图像的过程中，会拍摄多很多多余的背景，而这些背景会干扰结果的判断，因此首先需要将多余的背景去除。
在本实施例中，利用图像增强算法，凸显图像中的部件边缘并去除多余的背景。图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制图像中某些不需要的特征，使图像与视觉响应特性相匹配。通过去除部件以外的区域作为多余的背景，从而减小了计算量，提高了判断的准确度。
考虑到图像采集模块在获取图像的过程中可能出现较大的抖动，若图像采集模块是处于运动状态，则需要平滑图像采集模块造成的图像抖动，从而避免对开关柜内各部件的状态进行错误的判断。
首先获取前后两帧图像，假设xk和xk+1分别为目标场景在时间点k和k+1时的两帧图像，则该两帧图像的差分图像为：Δxk＝xk+1-xk。在图像采集模块若处于静止的状态拍摄这两张图像，则Δxk的计算结果应该近似为0。因此，通过设定阈值对图像采集模块的状态进行判断，如图3所示，即：
S31：若Δxk大于设定阈值，则判断图像采集模块处于运动状态；
S32：若Δxk小于等于设定阈值，则判断图像采集模块处于停止状态。
若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动，如图4所示，包括以下步骤：
S41：采用SURF算法从图像中提取不稳定的特征点；
S42：利用Delaunay三角剖分算法判断特征点的邻接性，生成特征点运动轨迹；
S43：采用Kakman滤波器对特征点运动轨迹进行滤波处理得到平滑的特征点轨迹；
S44：由平滑的特征点轨迹估算出需要补偿的全局运动矢量，根据全局运动矢量以平滑图像采集模块造成的图像抖动。
SURF算法(Speed-Up Robust Features)是在SIFT(Scale Invariant FeatureTransform)基础上提出的一种特征检测描述算子，具有尺度不变、旋转不变性，对光照变化、噪声、局部遮挡保持一定的稳健性等特点，且计算速度比SIFT快几倍。
特征点邻接关系的判断是通过Delaunay三角剖分算法检测：任意一对特征点同在一个Delaunay边，则认为是邻接的，再对邻接点判断运动的一致性。如果两个轨迹在之前的过程中变现为极为相似的运动过程，由于他们很有可能属于同一个物体，则在当前帧中仍可能表现为极为相似的运动过程。
Kakman滤波器能够对特征点运动轨迹进行滤波处理以剔除无关的特征点，从而得到平滑的特征点轨迹，然后由平滑的特征点轨迹估算出需要补偿的全局运动矢量，根据全局运动矢量以平滑图像采集模块造成的图像抖动，如图5所示，具体包括以下步骤：
S441：建立仿射模型：
Figure BDA0002238705880000071
其中，m1、m2、m3、m4、Tx、Ty表示仿射变换的参数，
Figure BDA0002238705880000072
表示第i个特征点轨迹中的第k个特征点；
Figure BDA0002238705880000073
表示平滑后的第i个特征点轨迹中的第k个特征点的输出；
S442：获取三个特征点导入仿射模型，求出仿射变换的参数，从而得到需要补充的全局运动矢量。
在本实施例中，利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态，如图6所示，包括：
S51：以开关柜中各部件不同状态的图像作为模板；
S52：获取感兴趣区域中各部件的图像；
S53：将各部件的图像与模板进行匹配，从而确定该部件的状态。
各部件的状态包括断路器分合位置、合闸弹簧压缩状态等。首先，获取各部件不同状态的图像，将这些图像作为匹配的模块。获取获取感兴趣区域中各部件的图像与模板进行匹配，匹配的模板所记录的状态即该部件的状态。作业人员根据部件的状态，当部件出现故障时，对相应的部件进行更换或维修。
作为本实施例的优选，通过多个图像采集模块分别获取开关柜内的实时图像之后，还包括步骤：
采用多线程异步通信方式，各图像采集模块将获取的图像上传到服务端，服务端每获取一帧图像，将图像存储到线程池。
根据开关柜封闭性要求，综合考虑环境条件，通过图像采集模块每隔2秒钟获取开关柜内实时图像数据。由于开关柜数量庞大，且需要同时对这些开关柜进行图像分析，因此，采取多线程通信的方式来处理这些事务以此提升整体处理性能。采用多线程异步通信方式，服务端会循环获取开关柜的图像，每获取一帧图像，就可存储到线程池，以备在需要的时候进行进一步的分析。
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.开关柜的部件状态监测方法，其特征在于，包括以下步骤：
通过多个图像采集模块分别获取开关柜内的实时图像；
利用图像增强算法，凸显图像中的部件边缘并去除多余的背景；
根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态；
若图像采集模块是处于运动状态，则提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动；
利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态。
2.根据权利要求1所述的开关柜的部件状态监测方法，其特征在于，所述通过多个图像采集模块分别获取开关柜内的实时图像包括：
通过光照强度检测模块检测开关柜内的光照强度；
当光照强度低于设定阈值时，打开补光模块对图像的获取进行补光。
3.根据权利要求1所述的开关柜的部件状态监测方法，其特征在于，所述根据前后两帧图像的差分图像来判断图像采集模块是处于运动状态还是停止状态包括：
假设xk和xk+1分别为目标场景在时间点k和k+1时的两帧图像，则该两帧图像的差分图像为：Δxk＝xk+1-xk；
若Δxk大于设定阈值，则判断图像采集模块处于运动状态；
若Δxk小于等于设定阈值，则判断图像采集模块处于停止状态。
4.根据权利要求1所述的开关柜的部件状态监测方法，其特征在于，所述提取图像的特征点，利用特征点运动轨迹进行补偿，以平滑图像采集模块造成的图像抖动包括：
采用SURF算法从图像中提取不稳定的特征点；
利用Delaunay三角剖分算法判断特征点的邻接性，生成特征点运动轨迹；
采用Kakman滤波器对特征点运动轨迹进行滤波处理得到平滑的特征点轨迹；
由平滑的特征点轨迹估算出需要补偿的全局运动矢量，根据全局运动矢量以平滑图像采集模块造成的图像抖动。
5.根据权利要求4所述的开关柜的部件状态监测方法，其特征在于，所述由平滑的特征点轨迹估算出需要补偿的全局运动矢量包括：
建立仿射模型：
Figure FDA0002238705870000021
其中，m1、m2、m3、m4、Tx、Ty表示仿射变换的参数，
Figure FDA0002238705870000022
表示第i个特征点轨迹中的第k个特征点；
Figure FDA0002238705870000023
表示平滑后的第i个特征点轨迹中的第k个特征点的输出；
获取三个特征点导入仿射模型，求出仿射变换的参数，从而得到需要补充的全局运动矢量。
6.根据权利要求1所述的开关柜的部件状态监测方法，其特征在于，所述利用部件边缘所围成的区域作为感兴趣区域，利用图像处理算法监测部件的状态包括：
以开关柜中各部件不同状态的图像作为模板；
获取感兴趣区域中各部件的图像；
将各部件的图像与模板进行匹配，从而确定该部件的状态。
7.根据权利要求1～6任一项所述的开关柜的部件状态监测方法，其特征在于，在所述通过多个图像采集模块分别获取开关柜内的实时图像之后，还包括步骤：
采用多线程异步通信方式，各图像采集模块将获取的图像上传到服务端，服务端每获取一帧图像，将图像存储到线程池。
CN201910992493.4A 2019-10-18 2019-10-18 开关柜的部件状态监测方法 Pending CN110795307A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910992493.4A CN110795307A (zh) 2019-10-18 2019-10-18 开关柜的部件状态监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910992493.4A CN110795307A (zh) 2019-10-18 2019-10-18 开关柜的部件状态监测方法

Publications (1)

Publication Number Publication Date
CN110795307A true CN110795307A (zh) 2020-02-14

Family

ID=69439611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910992493.4A Pending CN110795307A (zh) 2019-10-18 2019-10-18 开关柜的部件状态监测方法

Country Status (1)

Country Link
CN (1) CN110795307A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455797A (zh) * 2013-09-07 2013-12-18 西安电子科技大学 航拍视频中运动小目标的检测与跟踪方法
CN204030726U (zh) * 2014-08-06 2014-12-17 国家电网公司 变电站安全检测装置及系统
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN108614760A (zh) * 2018-05-10 2018-10-02 联想(北京)有限公司 一种信息检测方法、电子设备和计算机可读存储介质
CN108829565A (zh) * 2018-06-30 2018-11-16 常州大学 一种计算机运行状态监测系统
CN109272535A (zh) * 2018-09-07 2019-01-25 广东中粤电力科技有限公司 一种基于图像识别的配电房安全区预警方法
CN109887031A (zh) * 2019-01-30 2019-06-14 国网湖南省电力有限公司 一种开关柜内地刀的位姿检测方法、系统、介质和设备
CN110008937A (zh) * 2019-04-22 2019-07-12 西安图玛智能科技有限公司 开关柜运行状态管理监测系统、方法和计算设备
CN110210584A (zh) * 2019-05-14 2019-09-06 武汉工程大学 一种基于改进surf复合算法的高速动态二维码识别方法
CN110309033A (zh) * 2019-07-15 2019-10-08 中国工商银行股份有限公司 故障监控方法、装置和系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103455797A (zh) * 2013-09-07 2013-12-18 西安电子科技大学 航拍视频中运动小目标的检测与跟踪方法
CN204030726U (zh) * 2014-08-06 2014-12-17 国家电网公司 变电站安全检测装置及系统
CN105388414A (zh) * 2015-10-23 2016-03-09 国网山西省电力公司大同供电公司 一种隔离开关的全方位故障自动识别方法
CN108614760A (zh) * 2018-05-10 2018-10-02 联想(北京)有限公司 一种信息检测方法、电子设备和计算机可读存储介质
CN108829565A (zh) * 2018-06-30 2018-11-16 常州大学 一种计算机运行状态监测系统
CN109272535A (zh) * 2018-09-07 2019-01-25 广东中粤电力科技有限公司 一种基于图像识别的配电房安全区预警方法
CN109887031A (zh) * 2019-01-30 2019-06-14 国网湖南省电力有限公司 一种开关柜内地刀的位姿检测方法、系统、介质和设备
CN110008937A (zh) * 2019-04-22 2019-07-12 西安图玛智能科技有限公司 开关柜运行状态管理监测系统、方法和计算设备
CN110210584A (zh) * 2019-05-14 2019-09-06 武汉工程大学 一种基于改进surf复合算法的高速动态二维码识别方法
CN110309033A (zh) * 2019-07-15 2019-10-08 中国工商银行股份有限公司 故障监控方法、装置和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张义莲 等: "基于视频去抖的室内开关柜状态识别", 《电视技术》, vol. 41, no. 6, pages 92 - 99 *
李海生: "《Delaunay三角剖分理论及可视化应用研究》", 31 October 2009, 哈尔滨工业大学出版社, pages: 22 - 23 *

Similar Documents

Publication Publication Date Title
Jung Efficient background subtraction and shadow removal for monochromatic video sequences
US8284258B1 (en) Unusual event detection in wide-angle video (based on moving object trajectories)
US9076037B2 (en) Image processing apparatus and method
US20120162451A1 (en) Digital image stabilization
EP2965262A1 (en) Method for detecting and tracking objects in sequence of images of scene acquired by stationary camera
CN112598746B (zh) 电梯门开关检测方法、装置、可读介质及电子设备
KR20090043416A (ko) 카메라 이동 영향을 검출하고 억제하는 감시 카메라 장치및 그 제어 방법
CN114332744B (zh) 一种基于机器视觉的变电站自适应安防方法及系统
Siricharoen et al. Robust outdoor human segmentation based on color-based statistical approach and edge combination
WO2011043498A1 (ko) 지능형 영상 감시 장치
CN110795307A (zh) 开关柜的部件状态监测方法
WO2013017184A1 (en) Method and device for video surveillance
CN113487559A (zh) 一种变电站隔离开关开合状态实时检测方法
KR101806503B1 (ko) 실시간 화재감지 방법
Monteiro et al. Robust segmentation for outdoor traffic surveillance
Warhade et al. Performance evaluation of shot boundary detection metrics in the presence of object and camera motion
TWI476735B (zh) 攝影機異常種類辨識方法及可偵測攝影異常的監視主機
Sidnev et al. Efficient camera tampering detection with automatic parameter calibration
CN209929831U (zh) 具有图像识别位置的开关柜
CN110572618B (zh) 一种非法拍照行为监控方法、装置及系统
US8811672B2 (en) Image processing
CN106898020B (zh) 基于视频处理的监控图像对比度异常识别方法及系统
Zhang et al. A Background Subtraction Algorithm Robust to Intensity Flicker Based on IP Camera.
CN115482187A (zh) 区域阻塞检测方法、系统、存储介质及区域阻塞检测设备
US8798320B2 (en) Image processing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination